共查询到17条相似文献，搜索用时 391 毫秒
1.
利用2016—2019年唐山市逐时O3浓度和气象数据,分析了O3污染特征及其与气象条件的关系。结果表明: 2016年唐山市O3超标天数为53 d,2017—2019年O3超标天数每年在70 d以上,污染程度偏重。O3月平均浓度值呈双峰型分布,6月O3平均浓度值最大,达112.26 μg·m-3,9月次之。O3浓度超标日分布在3—10月,夏季超标天数最多,其他依次为春季、秋季,具有明显的季节变化特征。O3日均浓度为15:00最大,日变化呈单峰型分布。O3浓度与温度、风速正相关,与相对湿度负相关。气温高是导致O3浓度超标的重要因素,日最高温度超过25 ℃时要考虑O3浓度出现超标现象。相对湿度在50%左右及60%—80%时,O3浓度超标率均大于30%,在60%—70%时O3-8h浓度平均值达到最大。夏秋季O3浓度超标率高与地面小风、较低的混合层高度有关。当日均风速1＜V≤4 m·s-1时,O3浓度超标率较高。容易产生中度以上O3污染的天气形势场为500 hPa高空受西北气流或高压脊影响,850 hPa有西南或偏南气流经过,地面大多处在高压后部、低压前部或低压辐合区内。 相似文献
2.
利用2017年9月至2019年9月秦皇岛市环境监测站污染物浓度资料以及秦皇岛市国家基本气象站和浮标站的气象数据,统计分析了秦皇岛市O3污染特征以及气象因子和海风对秦皇岛市O3污染的影响。结果表明：秦皇岛市O3污染月变化特征表现为以5—6月和9月最为严重,10—12月和1—2月则无O3超标天气出现。O3污染的日变化特征表现为单峰型分布,午后O3浓度最高而清晨O3浓度最低。有利于秦皇岛市出现O3污染的气象条件为太阳辐射强度850—950 W·m-2、日最高气温高于32℃、无降水和相对湿度50%—60%、受SW和SSW风影响。秦皇岛市海风以6—8月最多,出现频率达50%以上,海风多在上午08—10时开始出现,午后12—15时达到最大,傍晚以后减弱结束;5—6月和8—9月有海风日的O3-8h平均浓度均高于无海风日,且5月、6月和9月有海风日的O3-8h月平均浓度高达155—166 μg·m-3,海陆风环流对秦皇岛市的O3污染有加重的影响。 相似文献
3.
华南区域大气成分数值模式GRACEs预报性能评估 总被引：1，自引：0，他引：1
利用2016-2019年广东省国控站实况监测数据对华南区域大气成分数值模式系统(GRACEs)预报性能进行了综合评估。除空气质量指数AQI外,重点对PM2.5、O3及NO2进行了分析评估。(1) 模式预报性能存在年际差异,对各要素的预报值总体偏低。(2) 模式预报能较好地反映空气质量的空间分布,PM2.5中心在珠三角西北部,而O3-8 h高值区在珠三角核心区和粤东沿海,但模式对O3-8 h高值区存在显著预报低估现象。(3)模式可较好地模拟出PM2.5月变化的单峰型特征和O3-8 h月变化双峰型特征,但模式对AQI的秋冬季主峰值和春季次峰值的预报存在低估,分别与模式对O3-8 h、PM2.5的低估有关。(4) 模式能较好体现O3的午后峰值和NO2双峰值的日变化规律;模式对O3前体物NO2的预报偏差,有可能是导致随后几小时对O3浓度预报偏差的重要原因。(5) 日平均浓度预报效果检验显示模式可较好预测AQI和3种污染物的变化趋势,但对夏秋季高O3-8 h浓度预报显著偏低;模式对轻度污染及以上等级预报能力偏低,亟需提升模式对污染天气的预报能力。 相似文献
4.
基于2014—2017年兰炼宾馆、生物制品所、职工医院、铁路设计院4个国控站的监测数据,通过分析兰州市主城臭氧浓度变化时间分布特征以及气象指标对臭氧浓度的影响关系,进而通过遗传算法得到最优的气象因子范围,以此预测O3_8h浓度的超标情况。结果表明:2014—2017年兰州市主城臭氧污染主要集中在4—8月,且每日14—16时处于高值区;对臭氧浓度变化起主导作用的气象因素有净地表太阳辐射、边界层高度、距地面2 m温度、西风、850 hPa相对湿度以及850 hPa垂直速度;采用遗传算法得到最优气象因子范围,据此判断气象条件是否处于高影响状态:当此时刻气象条件处于高影响状态时,下一时刻O3_8h超标(O3_8h大于160μg·m-3)概率为42. 31%,O3_8h超过130μg·m-3的概率为99. 04%;当此时刻气象条件处于低影响状态时,下一时刻O3_8h未超标概率为99. 87%。因此,在兰州市主城臭氧防治中,首先需要对未来的气象条件进行判断,进而在09时前人为操控一些主要气象因子或者控制臭氧前体物浓度,从而抑制臭氧浓度在09—14时快速上升,防止臭氧浓度超标。 相似文献
5.
根据2016-2017年上海空气污染物和相关气象要素数据,分析上海2017年O3变化特征以及气象影响因素,并对造成O3污染的天气系统进行主观分型。结果表明：2017年上海市空气质量优良天数为275 d,占全年天数的75.3%,O3-8h污染天数为55 d。上海市O3-8h年均浓度115 μg·m-3,同比增幅超过10%,为2013年以来的最高值,主要体现为夏半年O3浓度的上升。与2016年相比,2017年夏半年西太平洋副热带高压偏西偏强,上海地区风速风向、温度、水汽、光照、辐射条件均有利于O3浓度上升。造成2017年高浓度O3污染主要有4种天气类型：副热带高压控制型（SH）、地面高压型（G）、均压场型（J）和低压型（D）。其中副热带高压控制型是典型的O3-8h污染天气型,占总污染日数的29.1%,且污染程度较重;低压型出现次数较少;地面高压型的臭氧平均污染程度最弱。 相似文献
6.
利用潮州市区2014—2020年空气质量逐小时质量浓度数据，分析了PM2.5、O3质量浓度及复合污染的年、月、日变化特征，结合相应时段潮州国家站气象资料，分析PM2.5-O3与气象条件的关系。结果表明：2014—2020年潮州市区年平均ρ(PM2.5)、ρ(O3-8 h)及复合污染出现日数均呈波动下降趋势，月平均ρ(PM2.5)最高出现在3月，月平均ρ(O3-8 h)最高出现在10月，两种污染物最低均出现在6月。复合污染出现较多的是10月至次年4月。PM2.5、O3污染具有一定相互作用，当其中一种污染物质量浓度较高时另一种污染物的质量浓度相应较高，同时污染物质量浓度的日较差也会相应增大；污染物峰谷值出现时间表现为空气污染较严重时，O3峰值出现时间在16:00,PM2.5峰值出现在19:00。PM2.5-O... 相似文献
7.
为研究贵港市O3(臭氧)污染特征及其与气象要素的关系,对2015—2019年贵港市国家空气自动监测站和同期贵港国家气象观测站逐日、逐时气象资料进行了研究和分析。结果表明:近5a来贵港市O3污染日趋严重;O3污染存在明显的季节变化,秋>夏>春>冬;O3浓度日变化特征呈单峰型,8:00出现谷值,15:00—16:00出现峰值;O3浓度变化与气温、日照时数呈正相关,与相对湿度负相关,当日照时数大于8h、相对湿度40%~70%时易出现高浓度O3;不同季节出现O3浓度高值时的风向不尽相同。 相似文献
8.
通过分析成都平原城市群8个城市2015-2019年夏季地面臭氧污染特征表明,近5年夏季平原O3污染区域呈扩大趋势,成都市O3＿8 h第90百分位浓度和超标日数均为最大,雅安、绵阳浓度较低但上升趋势显著。利用PCT客观天气分型方法,对近5年夏季成都平原及周边的位势高度场进行分型研究,结果表明：(1)700 hPa臭氧污染天气形势为高压型,500 hPa为西风槽后和平直纬向型,100 hPa为南亚高压中部和东部型;(2)近5年夏季典型O3污染过程的高低空天气形势为西风槽后部、高压发展和高压控制型,污染过程期间成都平原多受到西风槽后西北气流或副热带高压脊线附近下沉气流的影响;(3)污染天气型具有高温低湿,小风强辐射,白天混合层高的特征。气流下沉增温和局地环流的作用抑制了污染物向高层扩散,促使边界层上部O3下传并堆积于成都平原地区。采用HYSPLIT后向轨迹模式和潜在源贡献法(PSCF),探讨了不同天气型影响下成都平原O3浓度输送的轨迹聚类和潜在源区。结果表明,本地和盆地城市之间的输送... 相似文献
9.
基于2017-2019年河源市空气质量数据,分析了河源市首要污染物的年际变化特征,同时利用2019年东埔国控站点的首要污染物与气象要素进行了相关性分析,并以典型污染日为案例,分析了气象条件对污染过程的影响。结果表明：2017-2019年细颗粒物（PM2.5）污染日比重大幅度降低,以臭氧（O3）为首要污染物的污染日逐年增加,污染形式逐渐从颗粒物污染向臭氧污染发生转变。O3浓度与温度和湿度分别呈正负相关关系,高浓度O3主要出现在（20-30℃,25%-55%）阈值之间,在吹西北偏北风时O3浓度也较高。PM2.5和PM10与湿度也呈负相关关系,温度与湿度组合在（8-13℃,40%-55%）范围内时两者容易同时出现高值;在夏季PM2.5和PM10还与温度具有较强的正相关关系,这意味着高温情况下河源有出现颗粒物与O3复合污染的可能。河源市典型污染日具有风速较小局部扩散不利的特征,低温低湿条件下容易出现PM2.5污染,且主要受到区域的传输影响;而高温低湿条件下容易发生O3污染,且较高的前体物浓度容易加剧O3的本地污染。 相似文献
10.
利用2019年1—6月地面环境监测资料和PM2.5气象条件评估指数，结合滚动偏差订正方法，对汾渭平原CUACE空气质量预报产品进行了检验订正，并对气象条件和污染减排影响进行了评估。结果表明：CUACE模式对空气质量指数(AQI)、PM2.5和SO2浓度预报值较接近观测值，PM10、CO和NO2预报值小于观测值，O3预报值大于观测值；对首要污染物O3和PM2.5及重度和严重等级污染的预报的TS评分最高，漏报率和空报率最小，预报偏差最接近1；滚动偏差订正方法对改善CUACE空气质量预报效果较为明显，尤其是对PM10、O3和NO2改善最为明显；汾渭平原2019年上半年气象条件变化使PM2.5浓度较2018年同期和过去5年同期分别上升了18.26%和11.18%，减排措施使PM2.5浓度较2018年同期和过去5年... 相似文献
11.
利用2014—2020年河北沧州逐小时气象与环境监测数据,对沧州市臭氧(O_(3))污染加剧现状及其与气象因子的关系进行分析。结果表明:(1)沧州地区O_(3)污染呈加剧态势,且O_(3)已上升为该地区首要污染物;O_(3)污染集中出现在5—9月,O_(3)质量浓度日变化呈单峰单谷型,最大浓度出现在16:00前后;(2)5—9月O_(3)日最大8 h平均质量浓度(简称“O_(3)-8 h”)所处时段,平均气温、最高气温、相对湿度、总辐射辐照度与O_(3)质量浓度的相关性较好,本站气压、水汽压和平均风速与O_(3)质量浓度的相关性未通过显著性检验;(3)5—9月O_(3)-8 h时段,当同时满足8 h平均气温高于30.9℃、最高气温高于32.7℃、平均相对湿度低于42.1%、平均总辐射辐照度高于505.8 W·m^(-2)时,出现O_(3)污染的概率达84%;(4)气象因子不是O_(3)小时质量浓度快速增长的充分条件。 相似文献
12.
根据2015—2018年海南省18个市县32个空气质量监测站O3浓度资料,分析了区域性O3污染（O3-8h浓度超标市县≥3个）时空变化特征,并对造成O3污染的天气系统进行主观分型。结果表明：2015—2018年海南省共有40 d发生了区域性O3污染,发生概率为2.73%。其中2015年和2017年达到了13 d,发生概率为3.56%,2018年为11 d（3.01%）,2016年仅为3 d（0.82%）。发生区域性O3污染主要有4种天气类型：冷空气偏西下型、冷空气偏东下型、变暖高压脊型和热带系统型。其中冷空气偏西下型是最主要的天气类型,共出现了14 d,占所有天数的35%,且污染较重。不同天气类型下海南省O3污染表现出不同的分布特征。500 hPa有下沉气流、低层受东北风控制,有相对湿度低值区从中国东部向海南省延伸,地面位于冷高压底部或热带气旋西北侧,温度露点差在5 ℃以上等条件均有利于海南省区域性O3污染天气出现。 相似文献
13.
利用2014年夏季成都市3个国控环境监测站（金泉两河,君平街和梁家巷）O3、NO2及PM2.5逐时观测数据,结合国家基准站温江站的气温、湿度、风速、风向、太阳辐照度、降雨等地面气象要素观测资料,分析O3的日、月变化及空间分布特征;探究前体物及气象因子对O3浓度的影响。结果表明：成都市O3-8 h平均浓度为104.4 μg·m-3,O3超标率为2.8%—15.3%。O3浓度6月最高,8月最低;呈现明显的“单峰型”日变化特征,午后15：00达到峰值。O3与NO2呈现负相关,相关系数为-0.5;与PM2.5无显著相关性。高温、低湿、强太阳辐射有利于O3的形成;风速为2.5—3.0 m·s-1,风向为南风时,O3浓度相对较高。 相似文献
14.
重庆市臭氧污染及其气象因子预报方法对比研究 总被引：1，自引：0，他引：1
利用2014年1月1日至2018年12月31日的重庆市空气质量日均值资料,分析了重庆近5 a臭氧污染的特征。发现重庆市臭氧是除PM2.5以外的第二大大气污染物,具有较强的季节变化特征,主要污染时段位于夏半年,在7—8月臭氧污染程度明显超过了PM2.5。臭氧年平均浓度呈现逐年增加的趋势,首要污染物为臭氧的日数在2018年首次超过PM2.5,臭氧成为2018年重庆市的第一大污染物,表明重庆正在由一个以颗粒物污染为主的城市转变为臭氧污染为主的城市。通过对同期逐日气象资料与臭氧8 h滑动平均日最大值相关性分析发现,大气温度、湿度及气压均为影响臭氧污染的重要气象因子。利用气象影响因子,采用逐步回归、支持向量机、神经网络方法对臭氧8 h滑动平均日最大值进行预报实验表明,三种预报模型均具有较强的预报能力,但总体来看预报均比实况略偏小。支持向量机方法的预报效果要稍好于逐步回归和神经网络方法,可为重庆市臭氧浓度预报提供参考。 相似文献
15.
近年来中国东北地区污染事件频发,为揭示该地区重污染天气分布特征,利用2014—2017年中国东北地区40个城市空气质量数据及对应的高低空天气形势资料,统计分析得到中国东北地区大气污染状况的变化特征以及区域重污染事件的天气学特征。结果表明：2015—2017年中国东北地区PM2.5和PM10年平均质量浓度呈下降趋势,其中PM2.5年平均质量浓度下降的更快,PM2.5最大值出现在辽宁和吉林中部地区约为90—100 μg·m-3,SO2年平均质量浓度较高值分布在辽宁西部地区约为50 μg·m-3,而NO2最大值出现在沈阳—长春—哈尔滨一带,约为45 μg·m-3,CO质量浓度最大值分布在东北沿海地区约为1.6 mg·m-3,相反中国东北地区O3年平均质量浓度呈上升趋势,最大值出现在沿海的大连及营口等地,约为100 μg·m-3。污染物浓度变化具有鲜明的季节变化特征,不同地区PM2.5和PM10与AQI最大值均出现在冬季,SO2冬季质量浓度最大值出现在沈阳（180 μg·m-3）,NO2与CO冬季最大值出现在哈尔滨（80 μg·m-3,1.8 mg·m-3）。相反,O3最大值出现在夏季沈阳地区约为140—150 μg·m-3。重度污染级别（200 μg·m-3≤PM2.5 < 300 μg·m-3）和严重污染级别（PM2.5>300 μg·m-3）的空气质量表现出以哈尔滨为中心,向周围迅速减少,辽宁中部又略有增加的特征;中度污染（150 μg·m-3≤PM2.5 < 200 μg·m-3）的天数沈阳>哈尔滨>长春,轻度污染（100 μg·m-3≤PM2.5 < 150 μg·m-3）的天数是沈阳>长春>哈尔滨。引发中国东北地区重污染的天气形势大致可分为高压型,低压型和北高南低型3种,出现比例分别为62%、27%和11%;高压型850 hPa高压脊东移经过中国东北地区,地面处于高压南部或弱高压中心,有时在黑龙江北部或辽宁西南部连续有弱小的低压生成并快速东移过境;低压型850 hPa低压系统发展并东移经过中国东北地区,地面处于低压后弱高压中;北高南低型850 hPa和地面中国东北地区受北面高压和南面低压的共同影响。 相似文献
16.
基于2013—2018年大连中心城区O_(3)监测数据和气象数据,分析了该区O_(3)污染时空变化特征及气象要素对O_(3)污染的影响。结果表明:2013—2018年大连中心城区O_(3)已经逐渐成为最主要的大气污染物之一。O_(3)年平均浓度由2013年的66.66μg·m^(-3)上升至2018年的101.62μg·m^(-3)。秋季和夏季是大连O_(3)浓度较高的季节,其次是冬季和春季。O_(3)最高浓度月份主要为5月、6月及9月。O_(3)浓度日变化呈明显的单峰状,从上午08时开始增加,在下午14—16时达到最高,白天浓度高于夜晚。O_(3)污染物在2013—2017年从大连中心城区的西南向东北扩散。大连中心城区O_(3)与其他5种大气污染物均存在不同程度的负相关,与气温呈显著正相关,与相对湿度、气压及风速相关性较差。有利于大连O_(3)污染天气的气象条件主要为高气温(>30℃)、低湿度(≤80%)、低风速(1.5—2.0 m·s^(-1))、北风风向和长日照时间。高污染日的出现可能是受高温天气与本地逐渐增加的排放物共同影响。 相似文献
17.
基于上海地区2012—2016年逐日PM2.5、PM10、CO、O3、SO2、NO2的分指数（individual air quality index,IAQI）数据以及同期气象要素（风速、降水量、气温、相对湿度、总云量、低云量）、逆温数据和高空大气环流数据,分析了上海地区空气质量指数的时间变化特征和气候要素对空气质量的影响,并选取PM2.5和O3污染天气过程及其邻近的非污染天气过程,对比分析高空大气环流形势的差异。结果表明：上海地区出现PM2.5、PM10和NO2污染天气在冬季最多,分别为31.4 d、10.0 d和14.8 d,而O3污染天气在夏季最多（18.8 d）。风速和低云量是影响PM2.5污染的重要气象因素,最大相关系数分别为-0.313和-0.261,O3污染则与气温和日照时数密切相关,最大相关系数分别为0.449和0.363,PM2.5、O3污染的发生也与前一日以及当日出现逆等温天气存在较好的相关性。在PM2.5污染天气过程,上海位于槽后高压前部,850 hPa有较强西北风,而非PM2.5污染天气过程中上海位于高压后部,低层850 hPa为东南风。在O3污染天气和非污染天气过程,中国东部长波射出辐射（Outgoing Longwave Radiation,OLR）分别为正、负距平,副热带高压控制下上海晴热少云,易引起O3污染,反之上海上空云系多,不容易出现污染。 相似文献